Bibliographic record
Abstract
Un mot de la rédactriceC' est un honneur pour moi de vous présenter ce numéro spécial dédié à John Mayne, un « leader d' opinion », un « esprit pratique », un « bâtisseur de ponts » et un « chercheur-praticien » dans le domaine de l' évaluation.Les rédacteurs invités Steffen Bohni Nielsen, Sebastian Lemire et Steve Montague rassemblent quatorze collègues dont les articles documentent, analysent et développent les contributions de John à l' évaluation dans la fonction publique canadienne, de même que son apport à la théorie de l' évaluation.Comme le notent les rédacteurs, « John a laissé un important héritage institutionnel et de recherche en évaluation ».Les articles de ce numéro spécial soulignent les contributions de John à la théorie ainsi qu'à la pratique de l' évaluation et présentent un point de vue « de l'intérieur » sur son rôle précurseur comme champion de l' évaluation au sein du gouvernement fédéral can adien.D'autres articles mettent en relief sa contribution à la théorie de l' évaluation, particulièrement en ce qui concerne l'analyse de contribution, la gestion axée sur les résultats, l'audit et les mesures de gestion, la causalité et la culture de l' évaluation.Ensemble, ces articles mettent en lumière les nombreuses contributions de John au domaine de l' évaluation, comme praticien et théoricien de l' évaluation.Je désire remercier les rédacteurs et les autrices et auteurs qui, ensemble, ont créé un numéro qui rend hommage à l'incidence durable que John aura eue sur ses collègues au gouvernement et dans la grande collectivité d' évaluation.L'apport réfl échi de John continuera d'avoir un impact sur le domaine de l' évaluation pour de nombreuses années à venir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.044 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.008 |
| Scholarly communication | 0.017 | 0.015 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.005 | 0.013 |
| Insufficient payload (model declined to judge) | 0.084 | 0.032 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".